基于改進(jìn)型SVD協(xié)同過濾算法的新聞推薦系統(tǒng).pdf

1、隨著移動(dòng)互聯(lián)網(wǎng)時(shí)代的到來，手機(jī)已經(jīng)成了購物、閱讀及社交活動(dòng)的主要工具。人們每天都會(huì)在手機(jī)上瀏覽大量的新聞資訊，而面對(duì)海量的信息往往無從下手，大部分時(shí)間浪費(fèi)在查找自己感興趣的信息上。新聞推薦系統(tǒng)利用個(gè)性化推薦技術(shù)幫助用戶從海量的新聞資訊中快速找到自己感興趣的信息。
　　協(xié)同過濾是推薦系統(tǒng)中應(yīng)用最為廣泛的推薦算法,原理是根據(jù)目標(biāo)用戶的近鄰數(shù)據(jù)對(duì)未知物品進(jìn)行評(píng)分預(yù)測，進(jìn)而完成個(gè)性化推薦。本文圍繞協(xié)同過濾展開討論，分別對(duì)算法的分類、實(shí)現(xiàn)原

2、理和評(píng)估指標(biāo)等方面進(jìn)行了闡述，并且對(duì)協(xié)同過濾中存在的問題進(jìn)行了討論，如數(shù)據(jù)稀疏、冷啟動(dòng)問題等。針對(duì)上述問題詳細(xì)介紹了基于SVD的協(xié)同過濾，利用隱語義模型緩解了稀疏矩陣帶來的評(píng)分預(yù)測問題。文章進(jìn)一步介紹了基于SVD的改進(jìn)算法SVD++和TrustSVD，在SVD算法的基礎(chǔ)上分別加入了用戶的隱式反饋信息和信任網(wǎng)絡(luò)，使得推薦結(jié)果的精度得到了很大提升，并且針對(duì)信任模型中的缺陷進(jìn)行了改進(jìn)，加入了信任權(quán)重和信任偏置因子。
　　本文最后設(shè)計(jì)和實(shí)